[发明专利]一种基于大数据网格下的用电异常行为分析方法和装置

权利要求书

1.一种基于大数据网格下的用电异常行为分析方法，其特征在于，所述方法包括：

S1：获取历史用电数据，按照数据种类对所述历史用电数据进行数据划分，得到用电数据簇集，依次对所述用电数据簇集进行数据清洗和异常标定，得到标准用电数据簇集；

S2：从所述标准用电数据簇集中提取出用电数据特征，利用预设的时域窗口对所述用电数据特征进行采样，得到标准特征序列；

S3：选取所述标准特征序列中的位于首位的标准特征作为目标标准特征，利用所述目标标准特征生成所述标准特征序列的用电数据网格，并利用所述标准特征序列中除所述目标标准特征之外的其余的标准特征对所述用电数据网格进行扩展，得到动态用电网格；

S4：计算出所述动态用电网格中各个网格单元的单元密度，根据所述单元密度对所述动态用电网格进行特征聚类，得到用电特征类集；

S5：将所述用电特征类集划分为异常特征类和正常特征类，计算出所述正常特征类所对应的各个标准特征的偏差因子，根据所述偏差因子对所述异常特征类进行更新，得到标准异常特征类，并将所述标准异常特征类对应的用电行为作为异常用电行为，其中，所述计算出所述正常特征类所对应的各个标准特征的偏差因子，包括：

S51：从所述异常特征类中提取出簇心异常特征，逐个选取所述正常特征类对应的标准特征作为目标标准特征；

S52：利用如下的偏差因子算法计算出所述簇心异常特征与所述目标标准特征之间的偏差因子：

其中，是指所述偏差因子，是预设的对抗系数，是指所述簇心异常特征，是指所述目标标准特征，是点乘算法，是叉乘算法。

2.如权利要求1所述的基于大数据网格下的用电异常行为分析方法，其特征在于，所述依次对所述用电数据簇集进行数据清洗和异常标定，得到标准用电数据簇集，包括：

逐个选取所述用电数据簇集中的用电数据簇作为目标数据簇，按照时序对所述目标数据簇中的数据进行排序，得到目标时序簇；

利用预设的占位符替换所述目标时序簇中的乱码数据和越位数据，得到初级时序簇；

逐个选取所述初级时序簇中的占位符作为目标占位符，选取所述目标占位符周围的若干数据组成目标占位数据集；

根据所述目标占位数据集计算出所述目标占位符对应的加权平均数；

利用所述加权平均数更新所述目标占位符，直至所述目标占位符为所述初级时序簇中的最后一个占位符时，将所述初级时序簇作为标准时序簇，并将所有的所述标准时序簇汇集成标准时序簇集；

对所述标准时序簇集中的各个数据进行异常标定，得到标准用电数据簇集。

3.如权利要求2所述的基于大数据网格下的用电异常行为分析方法，其特征在于，所述根据所述目标占位数据集计算出所述目标占位符对应的加权平均数，包括：

逐个选取所述目标占位数据集中的数据作为目标占位数据，计算出所述目标占位数据与所述目标占位符之间的欧式距离；

将所述欧式距离作为所述目标占位数据的数据权重，将所有的所述数据权重汇集成数据权重集；

利用如下的加权平均数公式根据所述目标占位数据集和所述数据权重集计算出所述目标占位符对应的加权平均数：

其中，是指所述加权平均数，是指第个，是指第个，是所述目标占位数据集的元素总数，且所述目标占位数据集的元素总数与所述数据权重集的元素总数相等，是所述数据权重集中的第个数据权重，是指所述目标转为数据集中的第个数据，是所述数据权重集中的第个数据权重。

4.如权利要求1所述的基于大数据网格下的用电异常行为分析方法，其特征在于，所述从所述标准用电数据簇集中提取出用电数据特征，包括：

逐个选取所述标准用电数据簇集中的标准用电数据簇作为目标用电数据簇，按照时序分别提取出所述目标用电数据簇对应的短期用电特征和长期用电特征；

对所述短期用电特征和所述长期用电特征进行特征融合，得到所述目标用电数据簇的长短用电特征；

按照时序对所有的所述长短用电特征进行向量拼接，得到用电数据特征。